웨이블릿 변환과 인공신경망을 이용하여 AE 신호를 분류하는 소프트웨어 패키지를 개발하였다. 웨이블릿 변환으로는 연속 웨이블릿 변환과 이산 웨이블릿 변환을 모두 고려하였으며, 인공신경망의 모델로는 오류 역전파 인공신경망을 사용하였다. 분류에 사용된 AE 신호는 용접부에 인공결함을 가진 시편의 3점 굽힘시험에서 발생한 신호이다. 개발된 소프트웨어 패키지를 이용하여 이 신호를 웨이블릿 변환시켜 생성된 시간-주파수 평면상에서 특징값을 추출하고 이를 인공신경망에 학습하여 인공신경망 분류기를 설계하고 검증하였다. 본 연구에서 개발된 소프트웨어 패키지를 이용한 AE 신호 분류법이 유용함을 보이고, 또한 연속 웨이블릿 변환과 이산 웨이블릿 변환에 의한 분류 결과를 비교하였다.
A software package to classify acoustic emission (AE) signals using the wavelet transfrom and the neural network was developed Both of the continuous and the discrete wavelet transforms are considered, and the error back-propagation neural network is adopted as m artificial neural network algorithm. The signals acquired during the 3-point bending test of specimens which have artificial defects on weld zone are used for the classification of the defects. Features are extracted from the time-frequency plane which is the result of the wavelet transform of signals, and the neural network classifier is tamed using the extracted features to classify the signals. It has been shown that the developed software package is useful to classify AE signals. The difference between the classification results by the continuous and the discrete wavelet transforms is also discussed
